Nanyang Technological University（南洋理工大学）

Fine-Grained Frame Modeling in Multi-head Self-Attention for Speech Deepfake Detection

多头自注意力机制中的细粒度帧建模用于语音深度伪造检测

Tuan Dat Phuong, Duc-Tuan Truong, Long-Vu Hoang, Trang Nguyen Thi Thu

机构 * College of Computing and Data Science, Nanyang Technological University, Singapore（计算与数据科学学院，南洋理工大学） 纠错

AI总结 本文提出细粒度帧建模方法，通过多头投票和跨层细化模块提升语音深度伪造检测的准确性。

Comments Accepted by ICASSP 2026

Fine-Grained Activation Steering: Steering Less, Achieving More

细粒度激活引导：引导更少，实现更多

Zijian Feng, Tianjiao Li, Zixiao Zhu, Hanzhang Zhou, Junlang Qian, Li Zhang, Jia Jim Deryl Chua, Lee Onn Mak, Gee Wah Ng, Kezhi Mao

机构 * School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore（电子与电气工程学院，南洋理工大学，新加坡） ； Home Team Science and Technology Agency (HTX), Singapore（家庭团队科技局（HTX），新加坡） 纠错

AI总结 AUSteer通过细粒度激活引导方法，精准干预有益激活单元，提升LLM行为调整的效率与效果。

Comments ICLR 2026

When Do Credal Sets Stabilize? Fixed-Point Theorems for Credal Set Updates

何时信念集稳定？关于信念集更新的不动点定理

Michele Caprio, Siu Lun Chau, Krikamol Muandet

机构 * The University of Manchester（曼彻斯特大学） ； Nanyang Technological University（南洋理工大学） ； CISPA Helmholtz Center for Information Security（CISPA海德堡信息安全研究中心） 纠错

AI总结 本文探讨了在不精确性下信念集更新过程的稳定性问题，通过分析不动点的存在条件和实现方法，揭示了不精确性对学习过程动态的影响。

UNO: Unifying One-stage Video Scene Graph Generation via Object-Centric Visual Representation Learning

UNO：通过对象中心视觉表征学习统一视频场景图生成

Huy Le, Nhat Chung, Tung Kieu, Jingkang Yang, Ngan Le

机构 * FPT Software AI Center（FPT软件AI中心） ； Aalborg University（奥尔堡大学） ； Pioneer Centre for AI（先锋人工智能中心） ； S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； AICV Lab, University of Arkansas（阿肯色大学AICV实验室） 纠错

AI总结 UNO通过统一的对象中心视觉表征学习，实现视频场景图生成的单阶段统一框架，提升效率和泛化能力。

Comments 11 pages, 7 figures. Accepted at WACV 2026

Quasi-Medial Distance Field (Q-MDF): A Robust Method for Approximating and Discretizing Neural Medial Axes

准中轴距离场（Q-MDF）：一种用于近似和离散化神经中轴的稳健方法

Jiayi Kong, Chen Zong, Jun Luo, Shiqing Xin, Fei Hou, Hanqing Jiang, Chen Qian, Ying He

机构 * S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； School of Mathematics, Nanjing University of Aeronautics and Astronautics（南京航空航天大学数学学院） ； School of Computer Science and Technology, Shandong University（山东大学计算机科学与技术学院） ； Key Laboratory of System Software (CAS), Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所系统软件重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； SenseTime Research（商汤科技研究院） 纠错

AI总结 本文提出Q-MDF方法，通过隐式重建技术实现从点云和网格中稳健提取中轴，提升中轴变换的准确性和鲁棒性。

JOintGS: Joint Optimization of Cameras, Bodies and 3D Gaussians for In-the-Wild Monocular Reconstruction

JOintGS: 为野外单目重建联合优化相机、人体和3D高斯分布

Zihan Lou, Jinlong Fan, Sihan Ma, Yuxiang Yang, Jing Zhang

机构 * School of Computer Science, Wuhan University, China（武汉大学计算机学院） ； Hangzhou Dianzi University, China（杭州电子科技大学） ； Nanyang Technological University, Singapore（南洋理工大学） 纠错

AI总结 JOintGS通过联合优化相机、人体和3D高斯分布，提升野外单目重建的精度与鲁棒性。

Comments 15 pages, 15 figures, Project page at https://github.com/MiliLab/JOintGS

Decoupled Hierarchical Distillation for Multimodal Emotion Recognition

解耦层次蒸馏用于多模态情感识别

Yong Li, Yuanzhi Wang, Yi Ding, Shiqing Zhang, Ke Lu, Cuntai Guan

机构 * School of Computer Science and Engineering, and the Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications, Southeast University（计算机科学与工程学院，新一代人工智能技术及跨学科应用重点实验室，东南大学） ； School of Computer Science and Engineering, Nanjing University of Science and Technology（计算机科学与工程学院，南京理工大学） ； Institute of Intelligent Information Processing, Taizhou University（智能信息处理研究院，台州大学） ； School of Engineering Science, University of Chinese Academy of Sciences（工程科学学院，中国科学院大学） ； Peng Cheng Laboratory（鹏城实验室） ； School of Computer Science and Engineering, Nanyang Technological University（计算机科学与工程学院，南洋理工大学） 纠错

AI总结 本文提出解耦层次多模态蒸馏框架，通过两阶段知识蒸馏提升跨模态特征对齐，有效提高多模态情感识别性能。

Comments arXiv admin note: text overlap with arXiv:2303.13802

Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence 2026

From Helpfulness to Toxic Proactivity: Diagnosing Behavioral Misalignment in LLM Agents

从有益到有毒的主动性：诊断LLM代理的行为不一致

Xinyue Wang, Yuanhe Zhang, Zhengshuo Gong, Haoran Gao, Fanyu Meng, Zhenhong Zhou, Li Sun, Yang Liu, Sen Su

机构 * Beijing University of Posts（北京邮电大学） ； China Mobile Research Institute（中国移动研究院） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文研究了LLM代理在权衡有益与无害时产生的有毒主动性行为，提出了一种基于双模型互动的评估框架，并通过实验揭示了该现象的普遍性及两种主要趋势。

Comments 9 pages (excluding appendices), 6 figures. Code is available at https://github.com/wxyoio-0715/Toxic-Proactivity

Revisiting 360 Depth Estimation with PanoGabor: A New Fusion Perspective

重新审视360深度估计：PanoGabor：一种新的融合视角

Zhijie Shen, Chunyu Lin, Lang Nie, Kang Liao, Weisi Lin, Yao Zhao

机构 * Institute of Information Science, Beijing Jiaotong University（信息科学学院，北京交通大学） ； Visual Intelligence +X International Cooperation Joint Laboratory of MOE, Beijing（教育部视觉智能+X国际合作联合实验室，北京） ； College of Artificial Intelligence, Chongqing University of Posts and Telecommunications（人工智能学院，重庆邮电大学） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） 纠错

AI总结 本文提出PGFuse框架，通过PanoGabor滤波器和CS-UFM模块，解决360深度估计中的畸变问题，提升深度估计的准确性和鲁棒性。

Comments Accepted by TPAMI

Learning-based Observer for Coupled Disturbance

基于学习的耦合扰动观测器

Jindou Jia, Meng Wang, Zihan Yang, Bin Yang, Yuhang Liu, Kexin Guo, Xiang Yu

机构 * Nanyang Technological University（南洋理工大学） ； Beihang University（北京航空航天大学） 纠错

AI总结 本文提出一种结合控制与学习方法的观测器，通过分解耦合扰动并利用历史数据学习参数矩阵，实现高精度扰动估计。

Comments 10 pages, 7 figures

Journal ref 2026 IEEE International Conference on Robotics and Automation (ICRA)